مدلهای بنیادی مانند ChatGPT و Google’s Bard از الگوریتمهای پردازش زبان طبیعی، یادگیری ماشین و یادگیری عمیق مشتق شدهاند. این مدل ها از مکانیسم های یادگیری انتقالی برای تبدیل متون به خلاصه استفاده می کنند. استفاده از مدل های پایه در حال تبدیل شدن به یک موضوع مهم برای ارائه دهندگان مراقبت های بهداشتی با استفاده از فناوری های دیجیتال است. یکی از بزرگترین چالش ها در صنعت مراقبت های بهداشتی، مستندسازی بالینی است. آیا میتوان از این مدلهای پایه برای خودکارسازی خطنویسی پزشکی استفاده کرد؟ دقیقا نه، اما امیدی هست.
قابلیتها و محدودیتهای مدلهای فونداسیون در رسیدگی به موارد استفاده نویسندگان پزشکی
نرم افزار خودکار کاتب پزشکی در حال تبدیل شدن به یک موضوع جالب توجه در مراقبت های بهداشتی است. امید است که این فناوری با به عهده گرفتن وظیفه طاقت فرسا نوشتن پزشکی به پزشکان کمک کند. مدلهای پایه هوش مصنوعی را میتوان برای ایجاد برنامههای نرمافزار خطنویسی پزشکی استفاده کرد، اما درک تواناییها و محدودیتهای آنها هنگام رسیدگی به موارد استفاده از خطنویسی پزشکی ضروری است. مهمترین مزیت در پردازش زبان طبیعی (NLP) است. با استفاده از هوش مصنوعی مدل پایه، متخصصان و پزشکان پزشکی می توانند با کمترین تلاش، مستندات جامع بیمار را تولید کنند.
قبل از استفاده از سیستمهای هوش مصنوعی بنیادی برای خودکار کردن خطنویسی پزشکی باید دو محدودیت قابل توجه را درک کرد.
اول، مدلهای پایه میتوانند خلاصه کردن متون پزشکی را خودکار کنند، اما این مدلهای یادگیری انتقالی در تفسیر دادههای پیچیده بالینی محدود هستند. همچنین در نظر گرفتن دقت به دلیل تفسیر ضمنی این مدل ها هنگام ایجاد متون پزشکی خودکار ضروری است، زیرا اشتباهات می تواند منجر به عواقب شدید شود. آنها فقط باید در جایی مستقر شوند که مکانیسم های تأیید انسانی یا خودکار برای نظارت بر خروجی ایجاد شده باشد.
دوم، نوشتن پزشکی فقط خلاصه کردن متن نیست. این شامل تبدیل صدا به متن آگاهانه پزشکی، خودکار کردن گردش کار مستندات پزشک، تبدیل آن به الگوی پزشک و اطمینان از صحت داده ها است. این هنوز به مداخله کاتب انسانی نیاز دارد.
مدل های پایه می توانند به طور مستقل اسناد را برای کاتبان پزشکی سرعت بخشند اما ممکن است به طور کامل جایگزین آنها نشوند. همانطور که امروزه وجود دارد می تواند به ابزاری مفید برای کاتبان و پزشکان پزشکی تبدیل شود.
با وجود نگرانیهای اخیر، مدلهای پایه هوش مصنوعی برای خودکار کردن خطنویسی پزشکی به پایان نمیرسند. چندین فروشنده اتوماسیون خط نویسی پزشکی محصولات نوآورانه ای را برای اطمینان از دقت و ایمنی و پوشش شکاف های پایه هوش مصنوعی برای خط نویسی پزشکی توسعه داده اند. یکی از نمونهها یک روبات کاتب پزشکی است که بر اساس استقرار مسئولانه مدلهای هوش مصنوعی پایه، سیستمهای متخصص پزشکی برای نظارت و روباتهایی برای خودکارسازی فرآیند نوشتن پزشکی ساخته شده است.
استقرار مسئولانه مدلهای هوش مصنوعی پایه برای اطمینان از دقت، ایمنی و انطباق با استانداردهای HIPAA و GDPR بسیار مهم است. فروشندگان اتوماسیون خط نویسی پزشکی خط مشی ها و دستورالعمل هایی را به طور خاص برای خط نویسی پزشکی ایجاد کرده اند و یک سیستم جلویی را پیاده سازی کرده اند که به طور فعال کاربران را از تحریک رفتار مضر و سناریوهای سوء استفاده مسدود می کند.
سیستمهای متخصص پزشکی برای محافظت در برابر آسیبپذیریها و ضعفهای شناخته شده، نظارت را ارائه میکنند. آنها خروجیهای تمام نقاط ارتباطی هوش مصنوعی پایه را برای زمینهها و خطاهای پزشکی صحیح بررسی میکنند و استانداردهای یکپارچگی مستندات بالینی سازگار را درخواست میکنند.
علاوه بر این، رباتها میتوانند وظایف مختلفی مانند سفارشهای آزمایشگاهی، تأیید بیمه، نامههای معرفی و اسکن اسناد آزمایش پزشکی و غیره را خودکار کنند. ربات کاتب پزشکی به طور یکپارچه در جریان کار مستندات پزشکی پزشک ادغام می شود و اجازه ورود داده ها به هر EHR و شخصی سازی الگوی پزشک را می دهد.
قابل اعتماد بودن و اتوماسیون کامل نویسندگی پزشکی در صنعت پزشکی حیاتی است. روبات کاتب پزشکی نمونه بارز یک راه حل جامع برای مستندات پزشکی دقیق، ایمن و کارآمد است.
Sushindri Sridharan یک پزشک و مدیر عامل S10.AI است. می توان با او در توییتر تماس گرفت @S10AI2 و @DrSushindri.